共查询到20条相似文献,搜索用时 46 毫秒
1.
结合传统抽样调查数据和交通大数据,研究多源数据融合驱动的居民出行特征分析方法.根据传统入户抽样调查居民的年龄结构、职业、车辆拥有、人口,以及手机信令数据分析出行频次分布等因素进行综合分析,获取居民初步出行特征;基于手机信令、IC、AFC、GPS 等大数据,通过出行时间分布、OD分布和出行方式结构对居民的出行特征进行综合矫正分析;最后,以广州市为例进行实证分析.对比研究传统抽样调查和多元数据融合分析方法可知,传统抽样调查居民出行漏报率为30%,每天出行2次的比例相差39.5%,全方式非通勤出行比例、晚高峰公交和地铁出行比例分别相差7.4%、8.1%和12.6%.结果表明,多源数据融合驱动的居民出行特征分析方法,在总量上有效挖掘居民出行的沉默需求,在时空分布上起到了“削峰填谷”的作用,是一种研究居民出行特征的有效方法. 相似文献
2.
结合传统抽样调查数据和交通大数据,研究多源数据融合驱动的居民出行特征分析方法.根据传统入户抽样调查居民的年龄结构、职业、车辆拥有、人口,以及手机信令数据分析出行频次分布等因素进行综合分析,获取居民初步出行特征;基于手机信令、IC、AFC、GPS 等大数据,通过出行时间分布、OD分布和出行方式结构对居民的出行特征进行综合矫正分析;最后,以广州市为例进行实证分析.对比研究传统抽样调查和多元数据融合分析方法可知,传统抽样调查居民出行漏报率为30%,每天出行2次的比例相差39.5%,全方式非通勤出行比例、晚高峰公交和地铁出行比例分别相差7.4%、8.1%和12.6%.结果表明,多源数据融合驱动的居民出行特征分析方法,在总量上有效挖掘居民出行的沉默需求,在时空分布上起到了“削峰填谷”的作用,是一种研究居民出行特征的有效方法. 相似文献
3.
手机数据在交通调查和交通规划中的应用 总被引:4,自引:0,他引:4
手机作为一种理想的交通探测器,为居民出行信息分析提供了很好的技术选择。将手机数据映射至交通分析单元,并经信息预处理、匹配分析、交通模型分析处理、数据去噪、扩样等一系列海量数据运算处理,最终可获得居民出行特征数据。利用长期历史手机话单数据,可分析常住人口和就业人口分布、通勤出行特征、大区间OD、特定区域出行特征、流动人口出行特征等。手机信令数据能够较完整地识别手机用户的出行轨迹,可进一步应用于分析城市人口时空动态分布、特定区域客流集散、查核线断面或关键通道客流、轨道交通客流特征、出行时耗、出行距离、出行强度、道路交通状态等。根据天津手机话单数据应用案例及上海手机信令数据应用案例,验证了技术可行性。 相似文献
4.
5.
6.
罗赟 《广东交通职业技术学院学报》2021,20(2):7-10,46
手机信号会定时与周围手机基站进行连接,通过对手机时空信号的分析,可有效的掌握交通出行的整个过程.以手机信令数据为基础,分析客流出行特征,通过挖掘客流的出发起终点、工作地及居住地等信息,可掌握高速公路客流的交通特性,为高速公路改扩建工程方案设计提供定量支撑.本文选取广深高速公路上的特征断面,通过分析客流手机信令数据,得出... 相似文献
7.
利用手机信令数据可在提取轨道交通出行链信息的基础上获得各车站的客流来源空间分布,并应用于交通规划中.首先,提出获取轨道交通出行链信息和车站客流来源分布的计算流程以及其中涉及的轨道交通基站检测、出行端点识别、轨道交通乘车信息提取等技术方法.其次,使用中国移动手机信令数据得到天津市轨道交通全网车站的客流来源空间分布.基于车站客流来源空间分布特征对车站进行分类,根据各类型车站的特点提出针对性的接驳改善策略.选取典型车站,对与其接驳的公共汽车线路进行走向与站点的优化设计.研究表明,不同轨道交通车站客流来源的空间分布形态具有差异性,利用手机信令数据可获取轨道交通车站客流来源的空间分布形态,为实现"一站一策"的精准接驳规划设计打下基础. 相似文献
8.
利用手机信令数据了解人口规模、职住分布、出行特征等指标,有助于城市空间规划与设施布局等的应用研究。原始手机信令数据需要经过一系列算法处理,才能提炼、分析相应指标。首先对手机信令数据的处理流程进行梳理,再介绍数据处理的关键算法及其参数确定方法,最后结合应用实践,对案例城市的人口岗位分布、居民出行特征及通勤特征开展分析,相关流程及方法可为类似项目提供参考。 相似文献
9.
10.
手机调查方法的已有研究较多集中于基于手机信令数据的宏观出行特征获取,而手机传感器数据在个体出行链微观出行特征提取方面具有优势.针对城市居民多采用组合交通方式出行的特征,研发智能手机应用软件,实现GPS数据(位置坐标与速度)、加速度计、服务基站、WiFi等传感器数据采集.运用小波分析、神经网络等数据挖掘技术分析不同交通方式出行数据差异,探索多种数据挖掘算法用于个体出行参数提取的可行性及效果.结合实际案例,总结应用手机传感器数据进行出行特征精细化提取的难点和技术关键.最后,探讨精细化个体出行数据在交通模型和理论优化方面的应用. 相似文献
11.
公共交通个体出行信息的提取对掌握公共交通出行的时空特征,改善居民通勤出行效率具有重要意义.研究从公交刷卡数据、公交定位数据、轨道AFC数据等海量公共交通多源数据的关联匹配与处理方法入手,提出了公共交通出行链信息提取中,换乘关系判断、通勤行为判别及出行起讫点匹配的方法与规则,标定了出行链匹配阈值参数,建立了基于个体出行数据的公共交通通勤出行链提取模型.提取模型的准确度验证表明:出行链结构提取及通勤出行判别的成功率均达到100%,出行阶段起讫点匹配成功率为87.5%,准确性为97.1%,满足了公共交通出行特征提取的需求.该方法为公共交通通勤出行判别及基于个体的微观通勤出行时空特征的深入分析奠定了基础. 相似文献
12.
13.
为揭示城市区域居民出行规律和OD产生原理,基于手机信令数据探索城市区域居民出行目的地选择机制,考虑人口数量和POI数量两类数据建立一个地点机会选择(POS)模型。利用联通智慧足迹平台获取得到哈尔滨市居民手机信令出行数据,从交通小区和交通中区两个尺度,对哈尔滨市市二环、三环、四环不同范围展开实例研究。结果表明:地点机会选择模型预测结果在吸引能力和出行距离分布中基本符合实际数据规律,从交通小区和中区两个尺度上看,该模型预测精度分别能够达到67%~72%、75%~83%,较机会优先选择模型预测精度分别提高了13%~18%、9%~20%,较辐射模型预测精度分别提高了57%~60%、55%~60%。本文所提出模型的优越性在于模型简单且无待定参数,输入数据较容易获取,具有较高的预测精度,能够为城市交通规划提供理论参考。 相似文献
14.
陈仲 《交通运输系统工程与信息》2021,20(6):247-252
手机信令数据不仅记录个体出行轨迹,也为分析城市活动空间分布特征提供了基础.本文提出一种基于狄利克雷混合模型的城市活动特征聚类方法,以手机信令提取居民出行OD为基础,将每个基站的到发出行量作为表征该基站所处空间位置的活动特征,研究特征的聚类方法.引入狄利克雷分布作为先验分布,由中餐馆模型推定特征聚类数量.与其他聚类方法相比,该方法最大的优点在于无需事先指定聚类数量,避免了传统聚类方法的缺陷.将本文方法应用到三亚市城市活动特征聚类当中,结果能够有效地反应不同城市功能组团的活动特征. 相似文献
15.
陈仲 《交通运输系统工程与信息》2020,20(6):247-252
手机信令数据不仅记录个体出行轨迹,也为分析城市活动空间分布特征提供了基础.本文提出一种基于狄利克雷混合模型的城市活动特征聚类方法,以手机信令提取居民出行OD为基础,将每个基站的到发出行量作为表征该基站所处空间位置的活动特征,研究特征的聚类方法.引入狄利克雷分布作为先验分布,由中餐馆模型推定特征聚类数量.与其他聚类方法相比,该方法最大的优点在于无需事先指定聚类数量,避免了传统聚类方法的缺陷.将本文方法应用到三亚市城市活动特征聚类当中,结果能够有效地反应不同城市功能组团的活动特征. 相似文献
16.
为弥补传统的居民出行调查方法在都市圈出行调查中的不足,提出一套基于手机信令数据的都市圈跨市出行方式识别算法,通过分析不同出行方式在出行路径、出行时间、出行地点方面的差异,实现高铁、大巴及小汽车3类主要跨市出行方式识别。首先,在成都市成华区和资阳市雁江区设计都市圈出行试验,招募志愿者采集出行手机信令数据;然后,分析都市圈跨市出行连接信号基站分布特征,再基于Needleman-Wunsch序列匹配算法提取出行路径信息,区分高铁出行和公路出行;最后,针对公路出行方式构建模糊识别模型,划分小汽车和大巴车出行。研究结果显示,在志愿者出行识别中,通过与志愿者出行日志对比,所提模型出行路径识别准确率达93.80%,3种出行方式均被正确识别;在研究区域全部手机用户集计出行识别中,3种出行方式占比大致为12.79%, 1.36%, 85.85%,与成都交通发展研究院2021年公布的《成德眉资区域出行报告》中出行分担比基本相同(12.23%, 1.36%,86.41%),证明所提算法识别效果良好。 相似文献
17.
18.
通过手机话单数据提取用户的出行特征具有可行性.然而,手机话单数据的稀疏性对提取居民出行时间特征造成困难.通过对深圳市手机话单数据的挖掘分析识别居民职住地,得到居民特征通勤序列,进而基于早、晚不同情况对居民通勤特征进行描述和分析.对比分析显示,通过手机话单数据得到的居民通勤距离和时间特征与居民出行调查结果较为一致,说明该方法可用以描述居民通勤特征.研究表明,深圳市居民通勤开始时间受通勤距离影响不大,大于10 km的中长距离通勤出行对应的平均通勤时间维持在一个比较稳定的值(45~50 min). 相似文献
19.
针对现阶段手机信令数据难以适用城市复杂出行环境,无法有效区分密集路网下机动化出行方式,本文提出一种考虑路径精准拟合与多维时空特征的双层识别模型。在出行路径识别层面,Savitzky-Golay(S-G)滤波能有效平滑信令数据相对实际出行路径的波动,线性插值算法能弥补信令数据时空缺失。在出行方式识别层面,探究了识别路径相似度、出行时间相似度、加速度、小波速度等关键因素,利用K-临近算法识别公交、小汽车。结果表明:本文提出方法能有效细分城市密集路网环境下的公交与小汽车出行,识别准确度分别达到88.29%和82.28%。在不同出行距离、出行时段、拥挤状态、道路等级、道路类型及识别路径相似度等角度,识别效果均优于随机森林等算法。研究支撑了基于信令数据的出行特征精准挖掘,为道路规划建设,公交线网规划等提供重要基础。 相似文献
20.
交通行为模型广泛应用于城市出行需求分析等领域.传统行为模型的参数设置通常依赖经验判断,模型预测精度缺乏大样本验证手段.本文以重庆市解放碑-观音桥组团通道出行行为为研究对象,融合手机信令数据、AFC数据和问卷调查数据,构建随机参数分别为正态分布、均匀分布和γ分布的混合Logit模型,将手机信令数据与AFC数据分析结果作为... 相似文献